RankML：一种基于元学习的机器学习流水线预排序方法
机器学习
2019-11-21 v2 机器学习
摘要
数字数据的爆发为组织和个人利用机器学习（ML）转变运营方式创造了众多机会。然而，机器学习领域专家——数据科学家——的短缺常常阻碍 ML 的使用。为缓解这一短缺，近年来提出了多种机器学习自动化方法。虽然这些方法有效，但它们通常需要大量时间和计算资源。在本研究中，我们提出 RankML，一种基于元学习的方法来预测整个机器学习流水线的性能。给定此前未见过的数据集、一个性能度量和一组候选流水线，RankML 立即基于预测性能生成所有流水线的排序列表。在 244 个数据集上的广泛评估（涵盖回归和分类任务）表明，我们的方法优于或可与最先进的、计算繁重的方法相媲美，同时仅需要极少的时间和计算成本。
引用
@article{arxiv.1911.00108,
title = {RankML: a Meta Learning-Based Approach for Pre-Ranking Machine Learning Pipelines},
author = {Doron Laadan and Roman Vainshtein and Yarden Curiel and Gilad Katz and Lior Rokach},
journal= {arXiv preprint arXiv:1911.00108},
year = {2019}
}